lemma

Lemma

Lemma är grundformen av ett ord ("springa" är grundformen av "sprang" och "sprungit"), vilket är användbara i en stemmer.

Filer

675 137 ordpar med lemma på svenska.

Datastruktur

Kolumn	Beskrivning	Datatyp
lemma	Grundformen av ordet (t ex "springa")	Text
word	Varianter av ordet (t ex "sprungit")	Text

Källa

• https://github.com/michmech/lemmatization-lists/, licensierad med Open Database License.

Se även

• https://github.com/aaaton/golem
• http://snowball.tartarus.org/algorithms/swedish/stemmer.html

Källkod

Python

# Import.
import pandas as pd

df = pd.read_csv("https://raw.githubusercontent.com/peterdalle/svensktext/master/lemma/lemmatization.csv",
                encoding = "utf-8",
                header = 0,
                sep = ",")

# Count unique lemmas.
len(df["lemma"].unique())

R

# Import.
df <- read.csv("https://raw.githubusercontent.com/peterdalle/svensktext/master/lemma/lemmatization.csv",
               header = TRUE,
               encoding = "UTF-8",
               stringsAsFactors = FALSE)

# Count unique lemmas.
NROW(unique(df$lemma))